這家公司將AI技術應用到生物科技領域

　　人類在醫學每個階段的重大發展，都與科學技術的突破息息相關。

　　新藥研發是人類發展中極具風險和復雜度、耗時最漫長的技術研究領域之ー，研發費用高、研發周期長、研發成功率低一直是壓在制藥企業身上的“三座大山”。英國《自然》(Nature)雜志有一組數據顯示，新藥的研發成本大約是26億美元，耗時約10年，成功率不到十分之一。

　　典型的新藥研發過程通常包括藥物作用靶點及最優化合物確認，臨床前研究，臨床研究I、II、III期階段，以及食藥監局審批。然而據統計，類藥化學空間中可探索的分子數高達1023至1060，發現新藥可以說如同大海撈針。

　　隨著AI技術的發展，AI應用到新藥研發的各個環節，在保證分析質量的同時，可以減少大量的試錯和返工時間，提高研發效率，使新藥開發走上快速高效的道路，同時降低藥物研發成本。據統計，部分應用了AI的新藥研發減少了35%的成本，研發周期也從5-10年縮短為1-3年。

　　TRFold蛋白質結構預測平臺邁入世界領先梯隊

　　蛋白質參與行使幾乎所有的細胞功能，為了行使蛋白質的特定功能，蛋白質必須折疊成特定的結構。蛋白質的三維結構直接決定蛋白質的功能，一旦三維結構被破壞，蛋白質功能隨之喪失，癌癥、阿爾茲海默癥等常見疾病都是體內重要的蛋白質結構異常引起的。

　　蛋白質結構預測是結構生物學的重要分支，然而現有的實驗手段不足以揭示一些重要的蛋白結構，需要借助更多生物信息技術、計算生物學手段去探索。

　　AI應用于蛋白質結構領域，通過預測的方式破解了之前傳統觀測方法所不能解析的一些結構，且置信度比較高，十分接近事實，會極大加速生命學科的研究，也將帶來醫療保健、食品可持續性、新技術等方面的改善，進一步促進生物科學、藥物研發、合成生物學方面的發展。

　　今年7月，谷歌旗下人工智能公司DeepMind公開了其人工智能系統AlphaFold2 的源代碼，并在《Nature》雜志上發表論文闡述了AlphaFold2的技術細節，該系統能夠精確地基于氨基酸序列預測蛋白質的3D結構，在生物科技領域一石激起千層浪。

　　在2020年CASP14(2020年第14屆國際蛋白質結構預測競賽)上，AlphaFold2對蛋白質結構的精準預測被列為2020年度世界十大科技進展，這是人類首次利用人工智能技術快速精準地模擬蛋白質模型，其模擬結果可以與昂貴、復雜且耗時許久的實驗室結果相媲美。

　　施一公曾在此前的一次采訪中表示：“人類蛋白質組里能夠被預測的以單個蛋白為單位的空間三維結構，已經基本都被 AlphaFold 預測了。總體而言，預測結果可信、也比較準確。這是人類在認識自然界的科學探索征程中一個非常了不起的歷史性成就。”

　　國內也不乏深入研究生物科技的AI公司。人工智能公司天壤XLab近日宣布，該公司自研的深度學習蛋白質折疊預測平臺TRFold，在基于CASP14蛋白質測試集內測中，已獲得82.7/100的成績，僅次于全球第一名AlphaFold2的91.1/100的成績，排名全球第二。

　　據介紹，在基于400個氨基酸的蛋白鏈預測時，TRFold最長耗時僅16秒，且采取權重共享的方式以節約算力，相對于AlphaFold2的128張TPU(約等于256張GPU)，TRFold僅使用了8張GPU，以更小算力、更高效率取得媲美AlphaFold2的成績。

　　這是目前國內所有公開蛋白質結構預測模型中取得的最好成績，標志著我國計算生物學領域的表現已經處于世界第一梯隊。

　　*RoseTTAFold 結果來自github開源預測，其他數據來自CASP官網

　　CASP比賽每兩年舉行一次，已成為計算生物學領域中最權威和最富盛名的比賽，每次比賽都吸引了許多來自生物物理學、計算機科學、高能物理學、計算化學和計算數學等不同領域的專家參加，被譽為“蛋白質結構預測領域的奧林匹克競賽”。

　　傳統觀測蛋白質結構的方法主要有三種，即核磁共振、X 射線、冷凍電鏡，但這些方法往往依賴大量試錯和昂貴的設備，每種結構的研究都要花數年時間。而AI應用于蛋白質結構的最新進展，即AlphaFold2，能在幾天、甚至以分鐘級預測出具有高置信度的蛋白質結構，這在以前甚至要花費數十年時間。

　　在AlphaFold2開源4個月后，天壤蛋白質預測模型的迭代版在基于CASP14測試數據集的內測中取得了國內最好成績，僅次于AlphaFold2。

　　據天壤公司介紹，AlphaFold2是蛋白質結構預測方向的重大突破，但是圍繞蛋白質結構功能問題且能夠達到實際落地應用準確度要求的AI算法的開發才剛剛開始。TRFold有自己的模型表達優勢和訓練經驗，可以推進解決更深層次的問題，比如蛋白質與蛋白質之間的相互作用。相比于AlphaFold2，天壤做了許多創新和優化，在模型表達、算力消耗等方面都有比較大的優勢，具備顯著的后發優勢。

　　深入研究蛋白質相互作用鏈路，助力藥物研發

　　天壤是專注于通用智能研究的創新企業，致力打造復雜系統下的通用人工智能平臺，實現以最小成本、最快速度賦能業務場景，讓智能像水電煤一樣便捷。目前，已經廣泛地服務于城市運行、交通治理、金融保險、商業零售等場景中。

　　公司創始人兼首席執行官薛貴榮博士是人工智能與大數據領域頂級科學家，國家科技部云計算專家組成員。薛貴榮博士于2006年獲得上海交通大學計算機博士學位，2006年至2009年在上海交通大學計算機系擔任副教授、特別研究員，是國內第一位在全球搜索領域頂級會議ACM SIGIR上發表論文的科學家。

　　2009年，薛貴榮博士加入阿里云，負責研發基于云端的阿里搜索引擎(神馬搜索)，支撐了阿里搜索框架中億萬網站的搜索和推薦服務。2013年至2016年擔任阿里媽媽大數據中心負責人，阿里媽媽首席數據科學家;帶領團隊搭建數據管理平臺達摩盤(DMP), 三年期間，實現了廣告業務日收入從1000多萬到8000多萬的增長。

　　薛貴榮博士曾在世界頂級會議與刊物發表論文70余篇，擁有ZL十余項，論文引用達9000+。

　　此次負責TRFold項目的團隊叫天壤XLab，成立于2019年，主要聚焦在創新領域，團隊核心成員有全球頂級高校的生物計算專業、物理學專業、數學等專業的博士生，創新氛圍濃郁。通過兩年半的時間，XLab團隊已經掌握了蛋白質的折疊的核心技術，能夠參與到國際最前沿的生物醫學領域中，天壤已經跨越了技術門檻，后續可以根據不同的場景進行針對性的研發和應用。

　　據薛貴榮博士介紹：“傳統意義上，分數達到90以上就與實驗室的預測結果差別不大，目前TRFold的分數基于更小的數據獲得了相對優秀的表現，后續還會繼續迭代，爭取到90分以上。隨著技術的突破，更多的應用場景會隨之而來。”

　　在AlphaFold已經獲得巨大成功且已經開源之后，為何還要切入蛋白質結構預測，做自己的一套算法，對此，天壤也有自己的想法。薛貴榮博士表示：“AlphaFold2的成功是蛋白質結構預測方向的重大突破，但是圍繞蛋白質結構功能問題且能夠達到實際落地應用準確度要求的AI算法的開發才剛剛開始，沒有訓練模型經驗，或者沒有具備能夠訓練出AlphaFold2結果的能力是無法把該技術推進解決更深層次問題的。”

　　比如，DeepMind團隊10月份公布的預測蛋白質和蛋白質相互作用的AlphaFold-Multimer就是將AlphaFold2進行微小調整后，在蛋白質復合體結構上從頭訓練，將蛋白質與蛋白質之間關系預測出來。像這種更深入的研究就必須要有自己搭建底層算法的能力，才能真正地應用在生物學領域。

　　“天壤在做TRFold是自主研發的，充分考慮了后續應用，比如說我們的模型平臺有不同的版本，就是用于不同情況，end2end版本用于快速生成結構，分段式版本用于大規模測算蛋白質氨基酸之間的距離，并且在開發時也充分考慮了后續的進一步研究與延展性。” 薛貴榮說。

　　天壤蛋白質折疊項目負責人苗洪江博士表示：“實際上AlphaFold2的開源反而讓做這個事情的門檻更高了，假如沒有曾經的探索過程，就無法對它的方法優勢進行量化，也不能學習到最有價值的關于思維方式的創新。此外，AlphaFold2并未公布訓練代碼，這意味著你即便下載了它的源代碼，也只能對單蛋白解構進行預測。比起預測，天壤更關注的是這項技術如何落地，所以我們一定需要從頭搭建一套自研算法，才能展開后續的工作。”

　　薛貴榮表示，單蛋白的結構模擬只是個開始，基于目前的TRFold，還有許多方向可以深入，比如模擬蛋白質與其復合物的相互作用(包括小分子、多肽、其他蛋白質等)。目前比較明確的研究方向是繼續深入模擬蛋白與蛋白之間的相互作用。基于相互作用，可以構建大規模的相互作用網絡圖、靶點發現、突變蛋白質結構模擬、post-translation修飾蛋白結構、GPCR、抗體模擬等，都是很有意思的方向。

　　該公司還透露，接下來的工作重點將是利用目前的全蛋白質組協同進化分析，建立起蛋白質與蛋白質之間的相互作用的精準鏈路，通過研究蛋白質之間的相互作用，尋找精準的疾病治療新方法。同時，提高蛋白質設計的精度和成功率，并探索研發設計蛋白質的新方法。

　　有了自研的TRFold之后，天壤希望能夠幫助人類搭建自己的蛋白質相互關聯的網絡，真正地對疾病的治療、藥物的研制等方向做出貢獻。